传感器网络中基于应用规则与概率的动态路由算法

针对连续数据分发型传感器网络，提出了一种基于应用规则和概率的动态路由算法RPDR。算法基于节点的状态信息，与应用规则交互后周期性地构造一棵广度优先的数据汇集树形成动态路由路径。数据汇集树由初始生成树建立与生成树修补两阶段完成，算法首先将节点状态作为输入参数提供给应用规则，再由规则使用预定义公式计算出节点当前轮成为树节点的概率，形成初始树；而后在树修补阶段，通过添加一些新的普通节点为路由节点对初始树进行修补，完成树的连通覆盖。仿真结果表明，与TinyOS信标算法相比，在本文设计应用规则下的路由算法具有高数据传输率、时延短、平均能耗低的优点，能延长网络生存时间。     

一种带控制节点的最小生成树聚类方法

综合考虑对象间相对距离和高等级对象对低等级对象的集聚效应这两种聚类影响因素，提出了一种带控制节点的最小生成树聚类方法。该方法用聚类对象间距离为权构建一棵最小生成树，将树中高等级节点作为分割最小树时选取被打断边的控制因素，使本次分割而成的两子树都包含控制节点，且被打断的边是在此条件下的最长边，最终使每棵子树包含且仅包含一个控制节点。检验自构建数据和地震数据的聚类结果证明，该方法在某些情况下能够较好地揭示数据分布的真实规律。     

基于Voronoi图的障碍不确定数据的聚类算法

数据采集过程中普遍存在不确定性,并且在现实地理空间中,不确定数据之间可能存在障碍物间隔。为解决障碍空间中不确定数据的聚类问题,提出APPGCUO算法,该算法包括三个过程:在障碍物约束下采用R树节点最小最大值方法提出的RPT-OUCure算法,用以生成局部最优解,提高生成局部最优解的效率;继而利用近似骨架的理论提出GIABO算法,以局部最优解生成有效初始解,避免划分聚类算法中任意初始解的不足;最后结合Voronoi图的特性提出VPT-KMediods算法,减少不确定数据的积分运算量。实验结果表明,APPGCUO算法具有较高的聚类效率和质量。     

边界模型布尔分割环自动识别

布尔分割环是设计特征在边界模型上造型的痕迹,其自动识别是后续设计特征自动重构的基础.在对特征造型过程形状演化分析基础上,提出一种布尔分割环几何表示和自动识别构建方法.首先依据边界的凹凸特性及顶点的邻接特性构建边界模型的特征顶点邻接图,并对邻接图开展顶点节点树搜索;然后将搜索方法分为初始节点选择、节点增长、搜索评估和反向传播4个步骤,在节点增长步骤中,采用相邻节点到特征面距离最小判定方法及顶点虚拟邻接构成伪边的方法,实现分割环的封闭和特征面的有效分割.实例结果表明,该方法能够从复杂特征相交形成的交线中自动识别和构造出布尔分割环.     

无线传感器网络的数据汇聚机制

针方法是首先将传感区域内部的所有传感器节点采集的数据都传送对传感器网络的特点，提出了一种最小传输成本生成树的数据汇聚机制。具体实现给传感区域内离汇聚点最近的节点，经过数据汇聚后，将汇聚的数据通过最短路径传递给汇聚点。仿真结果显示最小传输代价生成树的数据拒聚能够减少数据传输量50％-80％，并具有较小的传输时延。     

基于自适应局部阈值的彩色图像分割

使用基于图论的最小生成树方法进行图像分割,能够获得全局的分割效果及良好的运行效率,但是图中边的数目太多,而且使用固定阈值合并的最小生成树不能适用于所有彩色图像。本文针对这一问题,结合分水岭方法,先将分水岭变换产生的初始分割区域转变成图论中的顶点和边,再用最小生成树合并,通过分析局部信息变化,得到自适应局部阈值。实验表明,基于自适应局部阈值的最小生成树分割效果比基于全局阈值最小生成树的分割效果要好。     

分布式超级节点选举算法

基于超级节点的分布式系统中,若超级节点失效或临时离开,希望系统能够自组织地选举出能力最强的节点作为新的超级节点。提出分布式超级节点选举算法,通过洪泛过程构造底层的生成树,叶子节点沿此树进行消息的传递,消息中包含着关于节点和边的信息,根节点根据这些信息构造最小生成树。根节点选出能力最强的节点作为超级节点,并沿着最小生成树广播选举结果。对算法性能从通信复杂度和时间复杂度两方面进行了分析和比较。     

三维建筑模型的规则化重构方法

基于无人机照片的倾斜摄影测量技术能够快速重建大量三维建筑模型;但这些模型数据量大、噪声多,极大阻碍了在智慧城市中的应用.针对倾斜摄影测量重建的三维建筑模型屋顶重建精度较高的特点,提出一种基于屋顶轮廓线的三维建筑模型规则化重构方法.首先分割屋顶并提取屋顶的外轮廓线;接着通过改进的平面拟合提取屋顶的内轮廓线;然后由屋顶内外轮廓线进一步拟合出屋顶平面几何基元;最后,针对屋顶中太阳能、烟囱等的非平面部分,进行补充规则化处理,重构出数据小、噪声少的三维建筑模型.本文方法能够将三维建筑模型自动地重构为规则的建筑体,不依赖用户交互和先验信息.大量实验证明了本文方法的有效性、高效性和鲁棒性.     

WSN中基于最小延时的数据汇集树构建与传输调度算法

针对现有的无线传感器网络数据汇集算法延时较大的不足,对最小延时数据汇集树和传输调度问题进行了研究。提出一种基于度约束的汇集树构建算法(DCAT)。该算法按照BFS方式遍历图,当遍历到每个节点时,通过确定哪些节点与汇点更近来确定潜在母节点集合。然后,选择图中度数最小的潜在母节点作为当前被遍历节点的母节点。此外,为了在给定的汇集树上进行高效的数据汇集,还提出两种新的基于贪婪的TDMA传输调度算法:WIRES-G和DCAT-Greedy。利用随机生成的不同规模的传感器网络,参照当前最新算法,对所提方法的性能进行了全面评估。结果表明,与当前最优算法相比,将所提调度算法与所提汇集树构建算法结合起来,可显著降低数据汇集的延时。     

构造最小生成树的量子算法

图的最小生成树问题是网络优化中的一类基本问题。目前构造最小生成树的算法都是基于传统计算机的算法如Prim算法和Kruskal算法。该文提出了一个用于构造图的最小生成树的量子算法,它结合量子搜索的方法和经典Kruskal算法的思想,对于n个节点m条边的图,依次搜索出n-1条边使它们构成一棵最小生成树。这一算法的时间复杂性为O(nm√)。与经典Kruskal算法相比,在同等条件下,该文的算法有较快的加速。     

求解度约束最小生成树的一种改进算法

度约束最小生成树问题是网络设计和优化中的一个NP-hard问题。提出一种求解网络G关于指定节点的最大度约束最小生成树的改进算法。算法在保证指定节点最大度的前提下,通过选取剩余边中权最小的边加入当前网络,得到网络G关于指定节点的最大度最小生成树,同时对算法的复杂度进行了分析。最后通过与其他算法的仿真比较,表明新算法的有效性和通用性。     

绘制动态图的IGP模型

针对可视化领域中动态图的绘制问题,提出一种新颖的可视化模型来绘制动态图.首先采用多层次方法生成初始静态图并对所有节点进行初始分区;当下一时刻的图数据来临后,先对新增节点使用重心合并排序算法的变体以确保其具有良好的初始位置,在此过程中,当有额外的附加边添加时,通过附加边长度调整算法重新调整附加边的大小以保证图的美观性;再引入"等级"的概念以提高图结构的稳定性,等级越高的节点越难以移动;最后对有变化的节点进行重新分区以简化力导向算法的排斥力计算,同时通过简化后的力导向算法优化布局.采用平均位移和总能量作为评价布局标准,用文中模型和力导向算法、节点牵制算法在Sync和Newcomb数据集上进行实验的结果表明,该模型具有较高的性能,可获得良好的布局效果.     

基于网格重构的H型钢热轧过程的数值分析

提出了一种适合于轧制及其类似过程的六面体网格重构方法.首先判断型钢轧制过程是否达到稳态;将稳态单元集的节点投影到垂直于主轧制方向的平面上,形成原始截面网格并分析瞬态温度场;其次生成新的四边形网格并映射温度数据;最后拉伸四边形网格生成三维单元体,并将温度作为初始条件赋给相应节点集,仿真下一道次.为了验证了其有效性,基于ABAQUS6.5编制了相关程序,模拟了H型钢的前两道次轧制过程.利用显式动力学分析瞬态轧制过程、利用隐式方法分析轧制间隙的瞬态温度场变化,提高了数值仿真的计算效率.为型钢轧制过程等金属成形过程的数值仿真提供了确实可行的网格重构思路和数据传递方法.     

基于旋转成像平台的作物根系三维重构方法

文章提出了一种基于旋转成像平台的作物根系三维重构方法，用于实现高通量、低成本的作物根系表型特征采集。首先利用基于多视图立体视觉的运动恢复结构（Structure from Motion with Multi View Stereo,SFM-MVS）算法将一组图像生成根系稠密点云，其次采用Dijkstra最小生成树算法实现对根系骨架的初始化，再次经过简化和平滑处理后提取出根系三维骨架模型，最后通过圆柱体拟合算法和蒙皮渲染技术实现作物根系的三维重构。结果表明，由该方法构建的作物根系三维模型可以较好地体现作物根系表型特征，与手工测量值对比相对误差在5%以内。     

基于高维空间稀疏最小生成树自适应覆盖模型的一类分类算法

最小生成树数据描述( MSTCD)在刻画高维空间样本点分布时,将所有图形的边作为新增虚拟样本以提供目标类样本分布描述,这种描述存在分支多、覆盖模型复杂的问题.针对该问题,依据特征空间中同类样本分布的连续性规律,文中提出基于稀疏最小生成树覆盖模型的一类分类算法.该方法首先构建目标类数据集的稀疏k近邻图表示,通过递归图分割...     

基于层次性断层数据的三维重构技术

针对基于层次性断层数据的三维重构，提出了通过引入嵌套矩阵构造嵌套树，然后再通过构造最小生成树的方法来解决轮廓线相邻层次间的对应问题，并以两轮廓环相互覆盖区域的大小作为约束条件。该方法把基于覆盖的对应方法和全局轮廓对应方法结合起来，降低了重构时轮廓拓扑关系判断的复杂性，又能准确地确定轮廓对应关系。     

可持续WSN中基于能量采集感知的中继节点部署算法

基于可持续无线传感网络WSNs(Wireless Sensor Networks),提出基于能量采集感知的中继节点部署EHA-DRN(Energy Harvesting Aware-based Deploying Relay Nodes algorithm)算法.EHA-DRN算法利用功率beacon包给网络内节点补给能量.先依据节点的能量采集率,计算边权重,再利用克鲁斯卡尔(Kruskal)算法构建最小生成树.然后,依据最小生成树,检测不能完成数据传输任务的低能量节点.最后,在这些节点附近部署中继节点,从而修复覆盖空洞,保持网络连通.实验数据表明,与MBA算法相比,提出的EHA-DRN算法降低了部署成本,并提高了数据包传递率.     

医学图像3维重建模型的虚拟剖切算法

对医学图像体数据及重构几何模型进行虚拟剖切,可以方便地看到内部的组织,便于观察和诊断,可用于医疗放射治疗规划.针对医学图像重建的表面几何模型,提出了对模型进行平面剖切、立体开窗及任意交互切割的算法.平面剖切和开窗是用剖切面或剖切体对重建模型施以剖切,在剖切面上生成边序列及顶点序列;由此边序列和顶点序列生成封闭的边界轮廓,确定各轮廓的包含关系;对封闭轮廓包围的截面区域进行Delaunay三角剖分,得到完整的剖切后的表面模型.任意交互切割过程是交互生成切割路径,确定切割边界,并沿切割边界对表面模型进行切割.实验结果证明了本文算法的有效性.采用本文算法可得到良好的虚拟剖切效果.     

最小能量约束与ARDP算法混合的病灶点云重建

针对传统面绘制方法随真实感的提升效率急剧下降,且交互性及灵敏度较差的问题,基于CT点云数据提出了一种肝脏病灶的表面重建方法。首先改进了点云数据的插值和自适应精简方法;然后提出将模型重构过程分为两部分,先通过最小能量约束和简化的MC算法由点云距离场快速创建粗糙的基底模型,接着提出一种线性最优化的ARDP算法用于自动计算点元投影向量,从而将当前模型表面节点直接映射至点云,通过交互式地确定迭代次数可按需逐步提高模型精确度,最终获取高质量模型,实现散乱点到平滑面的直接过渡。实验结果表明,利用该算法生成平均误差小于0.000 1的高精模型将大大缩短时间,且对不规则病灶模型有着良好的适应性。